Live Wire图像分割方法的改进研究
图像分割一直是图像处理中的基础研究，也是其中的核心研究。图像分割结果常用于目标检测、目标跟踪、机器学习、三维重建等算法中，其做为目标特征的一种表示，分割结果的好坏直接影响这些算法的准确性，因此图像分割一直是图像处理中的重点和热点。但是由于图像内容的多样性以及对图像中目标选取的主观性，使得图像分割一直都是图像处理中的难点。从是否有人工参与的角度可以将图像分割分成两类：自动化分割和交互式分割。当前基于交互式图像分割主要缺点有：（1）算法通用性不强。（2）用户交互的友好性问题。 为了进一步改进交互式图像分割算法，本文以Live Wire算法为研究基础，对其算法的准确性和适用范围进行改进，并通过实验证明了改进算法的有效性。本文完成的工作如下： 1) Live Wire分割方法的参数训练研究。针对当前Live Wire算法中不同特征函数采用统一的权重的不足，提出了一种基于学习的方法，对于不同的分割图像计算出一组最优的权重值，使图像分割结果更加准确。 2)针对当前Live Wire算法中特征函数不能很好的处理包含纹理特征的图像，在其算法中引入了纹理梯度、颜色梯度、方向能量信息特征函数。使得Live Wire算法对于不同图像边缘的表征更为准确，并且纹理梯度的引入，可以使其更好的适应包含纹理特征的图像分割。
图像分割;纹理特征;特征函数;Live Wire算法
三峡大学
硕士
计算机技术
徐义春
2015
中文
TP391.41
52
2015-09-25（万方平台首次上网日期，不代表论文的发表时间）